arXiv cs.RO 机器人学· Chang Liu, Sibo Tian, Litian Gong, Zhiwen Fan, Jiachen Li, Xiao Liang, Minghui Zheng·2026-10-15 12:00· 2 小时前精选AI 评分55

PACER：从人类纠正中学习的机器人拆卸 VLA 策略框架

PACER: Process-Aware VLA Policy Learning from Human Corrections for Robotic Disassembly

AI 导读

论文提出 PACER（Process-Aware Correction and Evidence Reweighting）框架，通过 SFT 从策略自身 rollout 和人类纠正中学习，按朝向目标的进度以及每条轨迹的来源与结果，在原生监督动作损失中对有效动作块加权。

推荐理由

论文给出与 vanilla post-SFT 的对照成功率，便于评估该加权框架在拆卸任务上的实际收益。